Содержание
- 2. Введение 2 https://www.slanecartoon.com/-/galleries/privacy-1/-/medias/f882b7b9-5893-4572-99f1-1c17c7ebbe81-data-mine/share
- 3. Понятие больших данных и области применения 15 Большие данные (Big Data, биг дата) — это структурированные
- 4. Понятие больших данных и области применения 16 Клиффорд Линч, 2008
- 5. Business Intelligence 17 Business Intelligence = BI = Бизнес – аналитика (rus) — это набор IT-технологий
- 6. Разница подходов 18
- 7. Функции и задачи больших данных 19 Правило VVV — три признака или свойства, которыми большие данные
- 8. Функции и задачи больших данных 20
- 9. Источники больших данных 21 Интернет — соцсети, блоги, СМИ, форумы, сайты, интернет вещей (IoT). Корпоративные данные
- 10. Принципы функционирования систем больших данных 22 Горизонтальная масштабируемость Отказоустойчивость Локальность данных
- 11. Что можно сделать с помощью больших данных? 23 Предсказать победителя Оскара!
- 12. Что можно сделать с помощью больших данных? 24 Найти военную базу НАТО
- 13. Что можно сделать с помощью больших данных? 25 Диагностировать беременность
- 14. Области применения технологий больших данных 26 Анализ данных опросов: - Мониторинг общественного мнения и анализ социально-
- 15. Области применения технологий больших данных 27 Предвыборные исследования - Анализ эффективности политической рекламы - Анализ средств
- 16. Области применения технологий больших данных 28 Общественная безопасность - Анализ преступности - Отслеживание уровня рецидивизма
- 17. Области применения технологий больших данных 29 Образование - Планирование школьных округов - Отслеживание успеваемости учащихся, выявление
- 18. Области применения технологий больших данных 30 Трудоустройство - Анализ рынка труда - понимание состава и структуры
- 19. Области применения технологий больших данных 31 Анализ прибыли - Оценка соответствия размеров уплаченных налогов и имущества
- 20. Области применения технологий больших данных 32 Здравоохранение - Отслеживание болезней и создание отчетов о случаях заболеваний
- 21. Области применения технологий больших данных 33 Окружающая среда - Анализ экосистем - выяснение факторов, влияющих на
- 22. Области применения технологий больших данных 34 Транспорт - Планирование наиболее эффективных маршрутов для лучшей организации транспортных
- 23. Области применения технологий больших данных 35 Стратегическое планирование - Анализ удовлетворенности клиентов и изучения изменений потребностей
- 24. Технологии больших данных в маркетинге 40 Создание точных портретов целевых потребителей. Предсказание реакции потребителей на маркетинговые
- 25. Большие данные в бизнесе 36 Поставщики инфраструктуры — решают задачи хранения и предобработки данных. Датамайнеры —
- 26. Поисковые системы 37
- 27. Выгоды использования Big Data в бизнесе 38 Упрощается планирование. Увеличивается скорость запуска новых проектов. Повышаются шансы
- 28. Драйверы и ограничители Big Data в России 39
- 29. Сервисы Big Data 41 «1С-Битрикс BigData»
- 30. Сервисы Big Data 42 RTB Media
- 31. Сервисы Big Data 43 Alytics
- 32. Сервисы Big Data 44 Crossss
- 33. Технологии Больших данных: 45 NoSQL; MapReduce; Hadoop; R; Python; Аппаратные решения.
- 34. Методы и техники анализа Больших данных 46 Основными методами и техниками анализа, применимыми к Большим данным,
- 35. Data Mining
- 36. Data Mining 48 Data Mining – это сочетание широкого математического инструментария (от классического статистического анализа до
- 37. Data Mining 49 Data Mining - мультидисциплинарная область, возникшая и развивающаяся на базе таких наук как
- 38. Модели представления знаний Data Mining 50
- 39. Обзор существующих методов Data Mining 51 искусственные нейронные сети деревья решений, символьные правила методы ближайшего соседа
- 40. Свойства методов Data Mining 52 точность масштабируемость интерпретируемость проверяемость трудоемкость гибкость быстрота популярность
- 41. Свойства методов Data Mining 53
- 42. Классификация методов Data Mining 54
- 43. Подход к обучению математических моделей Data Mining 55 Статистические методы Data Mining Кибернетические методы Data Mining
- 44. Классификация по задачам 56 Описательные методы Прогнозирующие методы
- 45. Мнение экспертов о Data Mining 57 Aberdeen Group: " Data Mining - технология добычи полезной информации
- 46. Проблемы, ограничения и критические вопросы Data Mining 58 Data Mining не может заменить аналитика Сложность разработки
- 47. Перспективы технологии Data Mining 59 • выделение типов предметных областей с соответствующими им эвристиками, формализация которых
- 48. Data Mining Области, где применения технологии Data Mining, скорее всего, будут успешными, имеют такие особенности: -
- 49. Data Mining 61 Международная конференция по Knowledge Discovery Data Mining (International Conferences on Knowledge Discovery and
- 50. Краудсорсинг
- 51. Краудсорсинг 63 Краудсорсинг — привлечение к решению какой-либо проблемы большой группы людей В 2003 году Луис
- 52. Краудсорсинг 64 Краудсорсинг - это мобилизация ресурсов людей посредством информационных технологий с целью решения задач, стоящих
- 53. Классификация Краудсорсинга* 65 I. По сфере жизни (бизнес, социальный, политический) II. По типу решаемых задач (создание
- 54. Классификация Краудсорсинга 66 По сфере жизни: Бизнес 2) Социальный или общественный 3) Политический или государственный
- 55. Классификация Краудсорсинга 67 По типу решаемых задач: Создание продукта (контента) 99designs, TopCoder, Witmart, Tongal, Audiodraft 2)
- 56. Преимущества Краудсорсинга 68 1) Большой охват 2) Вовлечение пользователей 3) Разнообразие выбора 4) Единственно возможный вариант
- 57. Краудсорсинг в России 69
- 59. Скачать презентацию